一类二阶时变非线性系统的混合自适应重复学习控制

针对含有时变和时不变未知参数的二阶非线性系统，结合Backstepping方法．提出了一种新的自适应重复学习控制方法，可处理参数在一个未知紧集内周期性快时变的非线性系统．通过引入参数周期自适应律．设计出的自适应控制策略．使跟踪误差平方在一个周期上的积分范敷渐近收敛于零．通过构造Lyapunov函数．给出了闭环系统收敛的一个充分条件．     

一类时延网络控制系统的最优非脆弱H∞控制

针对一类时延网络控制系统,研究了当存在有限能量外部扰动时,系统的最优状态反馈非脆弱H_∞控制律的设计问题。通过将时延看作系统的时变参数不确定性,应用H_∞鲁棒控制理论及线性矩阵不等式(LMI)技巧,给出了具有控制增益扰动的次优非脆弱H_∞控制律存在的充分条件,提出了最优非脆弱H_∞控制律的设计方法。数值仿真例子表明了所提方法的有效性。     

一类非线性参数化系统自适应重复学习控制

针对一类高阶非线性参数化系统, 利用分段积分机制, 提出了一种新的自适应重复学习控制方法. 该方法结合反馈线性化, 可以处理参数在一个未知紧集内周期性快时变的非线性系统, 通过引进微分-差分混合型参数自适应律, 设计了一种自适应控制策略, 使广义跟踪误差在误差平方范数意义下渐近收敛于零, 通过构造Lyapunov泛函, 给出闭环系统收敛的一个充分条件. 实例仿真结果说明了该方法的可行性.     

一类非线性参数化系统白适应重复学习控制

针对一类高阶非线性参数化系统,利用分段积分机制,提出了一种新的自适应重复学习控制方法．该方法结合反馈线性化,可以处理参数在一个未知紧集内周期性快时变的非线性系统,通过引进微分一差分混合型参数自适应律,设计了一种自适应控制策略,使广义跟踪误差在误差平方范数意义下渐近收敛于零,通过构造Lyapunov泛函,给出闭环系统收敛的一个充分条件．实例仿真结果说明了该方法的可行性．     

基于Backstepping的非一致轨迹迭代学习控制研究

针对一类在有限时间区间上可重复运行的高阶混合参数化非线性系统,利用改进Backstepping方法,将参数重组技巧和分段积分机制相结合,提出了一种混合自适应迭代学习控制算法。该算法由参数的微分-差分型自适应律和学习控制律组成,可以处理目标轨线迭代可变的跟踪问题。通过构造Lyapunov-like泛函使得跟踪误差的平方在一个有限时间区间上的积分收敛于零,同时保证所有信号均在有限时间区间内有界。仿真结果说明了所提算法的有效性。     

非线性参数化系统自适应迭代学习控制

研究一类含有未知时变参数的非线性参数化系统的学习控制问题.利用参数分离技术和信号置换思想,通过置换系统方程,合并所有时变参数为一个未知时变参数,用迭代自适应方法估计该未知参数,设计了一种自适应迭代学习控制方法,使得跟踪误差的平方在一个有限区间上的积分渐近收敛于零.通过构造一个类Lyapunov函数,给出了跟踪误差收敛和所有闭环系统信号有界的一个充分条件.仿真结果验证了该方法的有效性.     

JB/T 1009—2016《YS系列三相异步电动机技术条件》标准解读

JB/T 1009—2016《YS系列三相异步电动机技术条件》是按照我国最新标准并吸取国际上同类别电机优化设计而制订的。依据该标准生产的电机具有启动力矩大、性能指标高、运行可靠性好、维护方便等特点,故而该标准符合国际电工委员会推荐标准中的有关规定,可广泛用于小功率机械传动设备。     

小城镇转变经济发展方式探讨

转挛经济发展方式是中国经济领域的一场深刻变革,改革开放以来．我们的经济虽然取得了很大的成就．但经济发展方式却是以粗放型为主。近些年、随着能源问题、环境问题、气候问题的凸显,怎样使我们的经济走可持续发展的道路我认为作为小城镇,紧紧围绕科学发展这条主线,加快转变经济发展方式就显得非常重要。     

柴油机推杆摩擦焊接机床

推杆是柴油机中高速直线往复运动的零件,为了减小惯性力对凸轮轴的压力,从而提高凸轮轴耐磨性能,就要求该零件质量轻,硬度高而耐磨。因此在设计结构上往往采用薄壁钢管一端焊上钢球,另一端焊上球座。这种结构的零件用一般的气焊、电焊、接触焊和粘接剂粘合,或过盈配合都不甚理想。较理想的方法是摩擦焊接,因为这种方法是接触摩擦生热,摩擦的速度高,金属局部受热且时间短,熔接的快,焊合牢固,在热量还没来得及向其它部位传导的情况下,仅在几秒钟内焊接完毕,这样原来硬度很高的钢     

一类非线性参数化系统的迭代学习控制

针对一类含有时变和时不变参数的高阶非线性系统,提出了一种新的自适应迭代学习控制方法。该算法利用参数分离性原理和改进的Backstepping方法相结合,可以处理非线性参数化系统的跟踪问题。非线性参数化不确定项利用分离性原理来解决,而Backstepping方法处理不匹配的不确定项。通过构造参数的微分型自适应律和差分型自适应律,使得跟踪误差的平方在一个有限区间上的积分收敛于零。构造了Lyapunov-like函数和自适应学习控制律,证明了所有信号均在有限区间上的积分的意义下是有界的。仿真结果验证了所提算法的有效性和可行性。该方法为以后设计类似的非线性参数化系统的跟踪问题提供了先验知识。